文献

J-GLOBAL ID：202102279225228201   整理番号：21A0234129

AI4U:ゲーム強化学習実験のためのツール【JST・京大機械翻訳】

AI4U: A Tool for Game Reinforcement Learning Experiments

著者 (4件)： Gomes Gilzamir (Federal University of Ceara ́(UFC),Department of Computing,Fortaleza,Brazil) ,  Vidal Creto A. (Federal University of Ceara ́(UFC),Department of Computing,Fortaleza,Brazil) ,  Cavalcante-Neto Joaquim B. (Federal University of Ceara ́(UFC),Department of Computing,Fortaleza,Brazil) ,  Nogueira Yuri L. B. (Federal University of Ceara ́(UFC),Department of Computing,Fortaleza,Brazil)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： SBGames  ページ： 19-28  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 強化学習は,非層特性(NPC)の設計への有望なアプローチである。しかし,環境および特性を制御するエージェントを指定することに加えて,強化学習を支援することができるゲームを設計するのは挑戦的であり,仮想特性から期待される行動のために重要な報酬関数をモデル化することの課題がある。この問題の課題を軽減するために,統合的な方法,環境,エージェント,報酬関数で特定できるツールを開発した。このツールは,環境の視覚的および宣言的仕様を提供し,ゲームイベントと一致するグラフィック言語を提供する。さらに,非Markov報酬関数の仕様をサポートし,複雑で興味深い環境の特定を可能にするゲーム開発プラットフォームと統合した。このツールでモデル化した環境は,Proximalポリシー最適化やソフトActor-Critアルゴリズムのような最新の最先端の強化学習アルゴリズムの実装をサポートする。開発したツールの目的は,現代のゲーム開発プラットフォーム周辺の既存の生態系を利用して,ゲームにおける学習の実験を容易にすることである。このツールのサポートで開発されたアプリケーションは,強化学習アルゴリズムで実験するゲーム環境を指定する可能性を示した。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  最適化 ,  視覚 ,  *ゲーム ,  図形処理言語 ,  応用プログラム ,  生態系 ,  エージェント ,  *強化学習 ,  学習アルゴリズム
準シソーラス用語： 報酬関数 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： ゲーム ,  強化学習 ,  実験 ,  ツール